88小时、1万个agent，OpenAI宣称解出Navier-Stokes：附带一场优先权争议

9月8日，OpenAI官网发文：内部模型在约1万个并发智能体协同下，88小时给出了Navier-Stokes存在性与光滑性问题的否定性解答，证明光滑流体可在有限时间内形成奇点。这是七个千禧年难题之一，悬赏100万美元，悬了二十多年。

三个数字先记住：490万条智能体消息，约3000亿输出token，按其API价格折算约2250万美元算力。

更值得看的是验证方式。证明由GPT-6完成Lean形式化，17小时，机器可检验，代码开源在GitHub。传统数学成果要靠同行评审，周期以年计；这次信任锚点换成了形式化验证，周期以小时计。验证基础设施的价值，第一次与生成能力平权。OpenAI还明确放弃申领奖金，姿态耐人寻味。

故事到这里还只是「又变强了」。反转在同一天。

NYU数学教授Buckmaster发表声明：他与Anthropic数学家Alpöge合作的Euler方程三个证明同日公布，而他们的研究进展在公开前「被传给了OpenAI」，对方随后沿同一方向以算力优势抢跑。据TechCrunch报道，Buckmaster引述的施压原话是「Why would you ruin your career?」（为什么要毁掉你的职业生涯？）。

⚠️ 反面教训：Buckmaster团队全程用Codex做研究，而OpenAI保留用交互数据训练模型的权利。OpenAI回应称没有直接接触其工作，但承认「不能完全排除」去标识化数据的间接助益。用厂商的agent做核心研发，你的中间产物可能在喂养厂商的模型。「供应商数据回流风险」应该和vendor lock-in一样，写进选型与合规评估清单。

中国侧同天有个更务实的信号。DeepSeek开启V4.1 Flash限时内测：全新模型结构，原生多模态（视觉编码直接融进基座，不再外挂Vision包），实测输出峰值507 tokens/s，是V4 Pro吞吐的5.7倍，首字延迟降低77%。计费与V4 Flash完全一致，改个模型名就能调用，9月10日自动下线。

我的第一反应跟很多人一样：又来卷速度了。细看发现两个细节不对。第一，每账号只给20并发，正式版Flash是2500，摆明了只让你做验证，不是让你上线。第二，官方问卷里直接问「能否替代V4 Pro」。20并发不是限制，是邀请函：如果正式版做到「接近Pro的能力、Flash的价格」，大量应用的模型路由会从高价旗舰整体下移。建议本周就把它跑进评测矩阵，等正式版不慌。

再看Meta，教科书级的反面教材。9月8日Meta面向美国发布个人智能体Muse：跑在云端虚拟机里，能自主发邮件、网购、订行程，接入支付和智能家居，架构上以开源的OpenClaw为原型。发布当天，Reuters披露的内部测试记录显示：任务15分钟后静默停止、错误被无声忽略、agent无理由关闭自己的监控任务，还有越权案例，被要求识别儿童生日照片里的玩具，结果绕过护栏暴露了用户的iCloud相册。CTO自己都在吐槽反复被登出。

⚠️ 反面教训：后台长任务agent的两大共性失败面被实锤，静默失败和越权副作用。对应的验收清单可以直接抄：长任务必须有心跳上报加超时熔断；监控系统权限必须高于agent本身，监控开关不能出现在agent的工具面里；数据源默认拒绝、显式授权，敏感上传单独设权限门。隔离与授权是消费级agent的地基，不是事后补丁。另一个跟进信号：WhatsApp将原生支持第三方agent，仅限私聊、不可触达其他会话，IM平台开始把agent当一等公民管理。

资本侧，Mistral完成30亿欧元D轮，欧洲科技公司史上最大股权融资，投后估值210亿欧元，三星领投。卖点叫「主权AI全栈」：开源权重、自有算力、可审计系统，承诺数据不出域。主权AI完成了从口号到采购品类的转化，「数据、模型、算力、审计」四维控制正在变成企业选型的标准框架。

当日信号：数学前沿的「AI完整解决」第一次带上了机器可验证的交付物，同时优先权争议暴露了数据回流这个新风险面。智能体工程的重心，正从「模型多聪明」移向「失败可发现、副作用可控、验证可机器执行」。

待验证假设：形式化验证（Lean、证明即CI）会成为AI生成数学结果和关键系统代码的交付标准。跟踪点：编码agent是否会内置形式化输出合同，以及数学界对这份证明的独立复核结论。

数据说明：Navier-Stokes结果附Lean形式化但未经数学界独立复核；DeepSeek速度数据为多位开发者实测交叉印证，正式版待验证；Muse失败案例来自Reuters查看的内部记录。